第１期（总第１７８期）２０２１年３月四川地震 ＥＡＲＴＨＱＵＡＫＥＲＥＳＥＡＲＣＨＩＮＳＩＣＨＵＡＮＮｏ．１Ｍａｒ．２０２１收稿日期：２０２０－１１－３０；修回日期：２０２０－１２－０９基金项目：四川省地震局科技专项（ＬＹ１９０８）和“川滇区域ＧＮＳＳ大地构造物理及壳幔动力研究”科技创新团队（２０１８０３）资助．作者简介：陈聪（１９８３－），女，四川威远人，高级工程师，主要从事ＧＮＳＳ数据分析工作．Ｅ－ｍａｉｌ：２４９４７５４２＠ｑｑ．ｃｏｍ．基于ＧＰＳ和强震资料反演汶川８．０级地震的同震滑动模型陈 聪，何福秀，张 澜（四川省地震局，四川成都 ６１００４１）摘 要：通过震中附近ＧＰＳ同震位移资料，采用ＳＤＭ反演法，应用均匀介质模型和分层地壳结构模型分别反演汶川８．０级地震的同震滑动，并加入强震资料进行反演对比分析，结果表明：两种模型反演的同震滑动分布与发震断层的科考结果吻合，分层地壳结构模型的反演结果整体上要优于均匀地壳结构模型的反演结果；ＧＰＳ与强震数据分别反演得到的同震位移方向、幅度和断层错动方式基本一致，ＧＰＳ、强震单一数据反演和联合反演结果得到的矩震级、平均滑动量具有很好的一致性。
总体而言，强震模型的最大滑动量和最大应力降较ＧＰＳ模型的结果更为显著，可能与强震数据中出现较大水平位移的站点与断层更为接近有关。
关键词：汶川地震；同震位移；ＧＰＳ；强震；同震滑动模型中图分类号：Ｐ３１５．７ 文献标识码：Ｂ 文章编号：１００１－８１１５（２０２１）０１－０００１－０５ＤＯＩ：１０．１３７１６／ｊ．ｃｎｋｉ．１００１－８１１５．２０２１．０１．００１２００８年５月１２日，青藏高原东缘龙门山断裂带发生ＭＳ８ ０强烈地震并引发了巨大的地质灾害。
地质考察结果表明，本次地震造成的最大垂直破裂错距和右旋水平错距分别达６ ２ｍ和４ ９ｍ（徐锡伟等，２００８）。
地震波反演结果表明，本次地震引起的断层面上的最大位错７～１２ｍ（王卫民等，２００８）。
基于GNSS掩星反演技术的电离层异常变化研究——以东日
本地震为例
庄涛
【期刊名称】《河南科技》
【年(卷),期】2012(0)04X
【摘要】电离层是随时空变化而变化的复杂系统,它的扰动对短波通讯、地空和星间信息链路以及空间平台的运行都有重要影响;当扰动剧烈时,甚至会使系统的部分功能丧失。
地震电离层异常探测已成为当前地震学和地球物理学的热点研究问题之一,已有研究结果表明,大震之前极有可能存在电离层异常变化,f0F2或TEC值的变化是电离层变化指数的主要考察对象。
传统的监测手段受自然条件影响较大,而GNSS无线电掩星电离层探测技术则不受天气限制,能全天候、大范围的监测电离层的状态,所获资料全球发布均匀,具有较高的电子垂直分辨率。
【总页数】2页(P49-50)
【关键词】GNSS;电离层探测;掩星;日本地震;反演技术;信息链路;垂直分辨率;短波通讯;空间平台;大震
【作者】庄涛
【作者单位】大丰市地震台
【正文语种】中文
【中图分类】P315.72
【相关文献】
1.基于GNSS的日本熊本地震前电离层异常研究 [J], 周长志;张珂;张海平;高士民;陈钰
2.基于COSMIC掩星数据探测汶川Ms8.0地震震前电离层异常 [J], 马新欣;林湛;陈化然;金红林;李大虎;焦立果;刘晓灿
3.弯曲角反演GNSS掩星电离层密度轮廓的修正方法 [J], 胡川;陈义;王志红;张月超;彭友
4.GNSS掩星电离层的三频观测数据模拟与反演 [J], 胡川;陈义
5.联合单站地基GNSS和空基掩星近实时反演电离层电子密度 [J], 王剑英;叶世榕;夏朋飞;王高阳
因版权原因，仅展示原文概要，查看原文内容请购买。
GPS资料在2015尼泊尔Mw7.8级地震中的反演应用徐锐;张锐;廖华;顾铁;陈聪【摘要】为了探索近场高频GPS资料在重特大地震实时发震特征反演方面的潜在作用和优势,独立使用2015年尼泊尔Mw7.8级地震震中附近的16个高频(1Hz)GPS站点数据,基于动态数据处理技术、矩张量反演技术及跟踪方差技术,模拟实现了对该次地震的触发、实时矩心/矩张量的反演及地震事件结束判断等相关工作;结合GCMT、W-相位以及部分已公开发表成果,对反演过程及反演结果中存在的问题进行了对比分析;初步探讨了GPS同震位移场产品在节面判定中的潜在补充作用.研究结果表明:本次地震破裂的传播方向主要为自西向东南单侧传播,平均传播速度约为3.1 km/s,地震持续时间至少为75 s;GPS数据反演得到的实时矩心及矩震级结果与GCMT、W-相位结果一致,且反演序列具有较高的稳定性和可靠性.【期刊名称】《西南交通大学学报》【年(卷),期】2019(054)002【总页数】9页(P287-295)【关键词】高频GPS;反演;动态;发震特征;尼泊尔地震【作者】徐锐;张锐;廖华;顾铁;陈聪【作者单位】四川省地震局,四川成都610041;中国地震局,北京100036;四川省地震局,四川成都610041;四川省地震局,四川成都610041;四川省地震局,四川成都610041【正文语种】中文【中图分类】V221.3据中国地震台网中心测定，北京时间2015年4月25日14时11分26.3秒，在尼泊尔发生Ms8.1级大地震，震中位置28.2°N，84.7°E，震源深度为20 km.地震发生后，国内外许多学者[1-8]利用各类近/远场观测资料实现了对该次地震断层滑动特征、震源破裂过程等的反演研究. 各研究成果较为统一的结论包括：（1）本次地震为单侧破裂，从起始点开始，沿断层面向东南方向扩展，破裂距离约为100～140 km；（2）地震的持续时间约为 50～80 s，其中，破裂极值发生在20～50 s；（3）断层滑动主要发生在8～20 km深度，最大滑移量在3.2～7.0m之间；（4）平均破裂速度介于 2.5～3.3 km/s之间；（5）矩震级约为Mw7.8～Mw7.9.上述成果中，除刘志鹏等[8]外，其余研究成果均是在多源观测资料联合反演的基础上得到的. 一方面，其反演结果的可靠性较高，但另一方面，由于需要等待远场地震波资料、InSAR资料以及GPS静态位移资料等，成果产出的时效性会受到很多限制.其中，等待和使用远场地震波而非直接使用近场数据的主要原因在于：对大地震或者重特大地震而言，震级的估计对长周期观测信息依赖程度较高[9]，而近场的地震计或地震加速度计，随着震级的增加，均会出现不同程度的频带（观测周期）限制及“饱和”等问题：如，高增益、宽频带的地震计在震级较低时，可较为容易的获取长周期地震信息[10]，但随着震级的增加，近场限幅（“饱和”）问题难以避免[11-12]；低增益的强震加速度计可以解决限幅问题，且原则上加速度数据可以通过两次积分得到长周期项信息（位移序列），但由于积分误差、地震动引起的平移和旋转分量难以区分等原因[10-12]，使得两次积分后会导致常见的“基线偏移”及低通频带限制问题[13-14]，从而难以在震级估计时有效使用.避免远场等待、“基线偏移”、频带限制及“饱和”等问题的另一种选择是使用GPS技术. 一方面，GPS技术不依赖于惯性传感器，因此，不存在双重积分、“基线偏移”及“饱和”问题[11-12]；另一方面，GPS直接量测位移，可用以快速获取超长周期震动信息（直至频率为0，即永久的地表位移）[10, 12]，免除了低通频带限制问题. 当然，相对于传统的测震学手段，GPS技术自身也存在诸多不足：GPS动态数据处理技术在参考点的选择（双差技术）、整周模糊度的固定、计算资源配置等方面都有较高的要求；GPS获取的高频地表位移的噪声水平远高于传统测震技术[12]；受卫星观测条件的限制，GPS数据的采样率（1～50 Hz）远低于传统测震手段（200 Hz）；现有的连续运行GPS观测网络的有效覆盖范围还十分有限，等等. 尽管如此，顾及GPS在长周期信息捕获中无可比拟的先天优势，将近场GPS技术与地震学相结合仍然是目前地学领域最为热点的的研究方向之一.受通讯能力、建站时间、网络规模、地震强度等因素的限制，目前，基于近场高频GPS技术进行发震特征反演方面的可用研究案例还十分有限. 已有的震例主要包括：2003年日本北海道TOhachi-Oki Mw8.3级地震、2010墨西哥El Mayor-Cucapah Mw 7.2级地震及2011年东日本Mw9.0级地震. 而此次，2015年尼泊尔Mw7.8级地震，作为首个被均匀覆盖的高频GPS观测网络“捕获”的大型逆冲型大陆地震震例[3]，再次为该领域的研究和应用提供了新的实验平台.本文的余下内容将使用尼泊尔震中附近的16个高频（1 Hz）GPS站点资料，基于实时GPS数据处理技术、快速矩张量反演及跟踪方差技术，模拟完成对本次地震的自动触发、实时矩心、矩震张量反演及地震事件结束判断等相关工作，将其与传统的测震学结果进行对比分析，并就反演过程及反演结果中存在的问题进行讨论.1 方法主要基于TRACK软件实现高频GPS数据处理[16] ，地震事件的结束判则采用跟踪方差（trailing variance）技术自动实现[15] .篇幅限制，本文仅就矩张量反演中的部分细节进行讨论. 基于实时GPS位移序列进行地震矩张量的反演算法由Melgar等2012年提出[15]，其关键技术步骤概括如下：（1）基于 EDGRN 程序[17]及 CRUST1.0 模型[18]获取格林函数. 其中，CRUST1.0模型主要用于获取格林函数计算（EDGRN）所需的震中附近的地壳分层速度结构模型；（2）生成矩心格网. 微观震中（hypocenter）反映了初始破裂的位置，可以通过传统的测震手段直接获取，而宏观震中（地震矩心，centroid）反映了地震的平均能量释放位置，该位置难以事先获取，需要进行遍历搜索. 方法为：以微观震中（或第一个探测到地震信号的GPS或测震站点位置）为中心点，以指定的经度、纬度及深度范围（如，1° × 1° × 40 km）为搜索空间，将该空间划分为若干个小的格网（如格网大小为0.1° × 0.1° × 2 km），每个格网点均将作为候选的地震矩心位置参与后续反演和搜索；（3）进行格林函数的提取与矩张量反演. 以（2）中每个格网点为假定的矩心原点，通过计算GPS站点相对该原点的方位角，将（1）中获取的柱坐标系下的格林函数转换为地平坐标系（详见文献[15]附录），之后，基于双线性插值提取GPS站点所在位置的格林函数，并基于式（1）进行反演：式中：为第个 GPS 站方向（即，北、东或高方向）的位移分量，为地震矩张量的第个分量，为与相关联的格林函数.上式还可进一步简写为在反演过程中，顾及GPS位移分量的误差水平，可基于位移分量对应的中误差信息对其进行加权处理，即：式中：W为加权矩阵，为第k个站点在i方向的位移分量的中误差.矩张量的反演方法主要采用经典最小二乘法.（4）搜索最优的地震矩心位置及对应的矩张量.如前所述，以每个格网点为矩心原点，均可得到相应的矩张量反演结果，而最优的矩心原点的选择则基于方差缩减值（variance reduction，VR）确定，为式中：为第个站点的位移观测值；为反演得到的该测站的位移模型值，为格林函数，m为矩张量.可见，VR值越大，说明反演结果越接近于真实的观测结果，因此，VR最大值对应的格网点及其矩张量将作为最终的地震矩心及地震矩张量反演结果.（5）对每个历元的GPS数据，均重复上述步骤，直至地震事件结束.2 实验结果2.1 GPS数据处理结果本次地震及其周边可获取的16个高频GPS观测站点分布如图1所示.以距离震中较远的站点XZRT为参考点，基于TRACK软件计算得到的各测站的动态坐标序列（采样率为1 Hz）如图2所示.图1 GPS点位及同震位移分布Fig. 1 Distribution map of the utilized GPS sites and their corresponding co-seismic slip图2 GPS站点（1 Hz）坐标时间序列（起止时间为GPS时间06:10:00 —06:16:00）Fig. 2 Coordinate time series of GPS （1 Hz） stations （from 06:10:00 to 06:16:00，GPS time）篇幅限制，仅绘制了GPS时间06:10:00—06:16:00共计360 s的动态坐标序列（起始破裂GPS时间为06:11:42）. 根据触发条件，前7个站点（按接收到地震信号的先后顺序排列）的振幅超过了设定阈值（15 mm），被用于触发地震和进行地震矩张量反演等后续分析. 其中，KKN4站点被首个触发，触发时间约为06:12:05. 剩余的9个站点，由于未超过设定阈值，仅绘制了距离震中相对较近（XZZB）和较远（LHAS）的两个点位的位移时间序列用于对比分析.由图1、2可知：（1）被触发的测站均位于破裂起始点的东侧（图1，红色三角形点位），可初步判断破裂的传播方向主要为自西向东传播；（2）第1个被触发的测站为距离震中更远的KKN4站点（约72 km）而非最近的CHLM站点（约62 km），可初步判断破裂的传播方向偏东南而非东北；（3）根据起始破裂时间（06:11:42）及KKN4站点的位移初动时间（约为06:12:05）可以初步判断，地震波在起始破裂点与KKN4之间（距离约72 km）的平均传播速度大约为3.2km/s；（4）站点KKN4与其临近的站点NAST先后受到了地震波的影响，但位于发震断层基岩上的KKN4站点的时间序列体现出相对纯粹的单峰破裂特征，而位于加德满都盆地的NAST站点则呈现出至少约30 s长的高频扰动，说明两个站点地质条件的显著差异及NAST附近存在凹凸体分布的可能[3]；（5）距离震中较远（约 620 km）的 LHAS站点在破裂开始后的约3 min 20 s后（06时15分00秒左右）也接收到了地震波信号（故，平均传播速度约为3.1 km/s），并呈现出较为显著的地表晃动，表明本次地震的破坏强度可能较高或震源深度较浅；（6）根据所有被触发站点的位移初动时间及站点位置计算得到的地震波平均传播速度为3.1 km/s，其中，起始破裂点至CHLM站点的平均传播速度最小，为2.7 km/s，至NAST和SNDL的平均传播速度最大，为3.3 km/s.2.2 地震矩张量反演结果基于GPS动态坐标序列反演得到的矩心位置、矩震级结果如图3所示，为了便于比较，我们同时绘制了GCMT及W-相位技术获得的相应反演结果. 首先以中国地震台网中心测定的初始震中位置（84.7°E ，28.2°N）为原点，基于CRUST1.0模型获取了该区域的地壳分层速度结构模型，之后，以该震中位置为中心，定义了2° × 2° × 40 km 的搜索格网（见图 1，灰色格网）用于格林函数计算、矩心搜索及矩张量反演.图3 基于GPS技术反演得到的矩心经度、纬度、深度、矩震级及方差缩减量序列Fig. 3 GPS-derived centroid longitude，latitude，and depth，moment magnitude，and variance reduction由图3可知：（1）反演算法大约在第125个历元（秒）开始被触发（对应GPS 时为06:12:05），与图2中KKN4/NAST/CHLM接收到地震信号的时间相当；（2）从触发到反演结果初步平稳大约经历了5～10 s（参考图3方差缩减量序列），为能量的上升期；（3）随后，反演结果（尤其是矩心深度）经历了大约50 s的扰动，并在大约第180个历元（06:13:00）后趋于平稳；（4）根据（2）和（3），反演算法从触发到平稳的整个过程大约经历了60 s，该时间可能是地震强震动持续时间的真实反映；（4）在06:13:00以后（第180个历元），无论是矩心位置（经度约85.3°E、纬度约28.0°N、深度约13 km）还是矩震级（约Mw7.8）的反演结果都与GCMT及W-相位的反演结果基本一致（W-相位反演的矩心深度与GPS、GCMT结果存在一定差异），且方差缩减量保持在70%左右，体现出近场高频GPS资料在快速矩心及矩震级反演中的稳定性和可靠性.2.3 地震事件结束判断随着时间的推移，跟踪方差方法[15]将被用于判断地震事件是否结束并提取各GPS测站的地表永久同震位移信息. 相关探测结果如图4所示. 其中：图4（a）为被触发的7个测站的水平位移时间序列；图4（b）代表各位移时间序列对应的跟踪方差序列；图4（c）为随着时间的推移，跟踪方差方法判定到的受地震事件影响结束的站点个数和时间信息，一旦站点被判定为扰动结束，其后续的20个历元的数据便会被用于计算该站点的同震位移，并在图4（a）中绘出（加粗实线）. 相应的7个站点的同震水平位移的空间分布如图1所示. 值得一提的是，图4（a）表明，在第125个历元左右，GPS站点开始监测到水平位移，图4（c）表明，在第250个历元左右，最后一个站点被判断为扰动结束，由此可知，地震事件的持续时间应至少为约75 s.图4 基于跟踪方差技术探测地震事件结束及获取GPS同震位移Fig. 4 Trailing variance technique-based seismic event ending detection and the calculation of co-seismic GPS displacement3 讨论2.2节反演得到的地震矩张量除包含矩震级信息外，还包含震源机制节面解信息.根据矩张量结果提取的本次地震震源机制节面解的走向、倾角和滑动角结果如图5所示. 对比图3可知，相对于矩心及矩震级的反演结果而言，震源机制节面解（除倾角外）的稳定性和准确性要差很多，即便在地震事件基本结束之后（第250个历元以后），节面解依然存在较大扰动. 究其原因，可能在于对震源机制反演起到主导作用的几个站点（如，位移较大的KKN4、NAST、CHLM等，见图1）几乎呈垂直于断层的直线排列且分布较为集中，不利于实现对走向、滑动角等节面特征的有效约束. 为了验证这一判断，尝试在反演时删除了KKN4站点，由此重新得到的节面解如图6所示，篇幅限制，仅绘制了走向和倾角估值. 可见，KKN4站点删除后，相对于图5，走向的估值的稳定性和准确性在第200～300个历元之间有明显改进，倾角的估值在该时段内略有扰动，但相对稳定，而第300个历元后，走向和倾角的估值都出现明显扰动，难以有效识别. 因此，对本次地震而言（实际上，文献[15]在处理2010 El Mayor-Cucapah Mw7.2级地震时也遇到了类似的扰动问题），站点的选择及站点相对于断层的空间分布会显著影响节面解反演结果的稳定性和准确性[19]，独立使用GPS数据无法有效地识别发震断层的所有节面特征. 而在真实的地震应急响应期间，如何自动评估GPS节面解反演结果是否有效，仍然有待更深入的探索.图5 震源机制节面解及其与GCMT（绿色虚线）、W-相位结果（绿色实线）的比较Fig. 5 Nodal plane solutions of focal mechanism and comparisons withGCMT (dashed green line） and W-phase (solid green line） results图6 KKN4站点删除后，得到的震源机制节面解的几何参数及与GCMT（绿色虚线）、W-相位结果（绿色实线）的比较Fig. 6 Nodal plane solutions of focal mechanism with the GPS site KKN4 excluded，and comparisons with GCMT (dashed green line） and W-phase (solid green line） results尽管GPS“反演”得到的震源机制节面解的准确性有待增强，但GPS“直接”获取的地表位移无论在方向上还是在大小上均具有准确的物理意义.理论上讲，GPS获取的因地震引起的地表位移分布也应该包含着与断层节面参数相关的信息，如，正断层引起的断层两侧的水平位移方向应该与逆断层引起的位移方向刚好相反；离断层越近，位移量应该越大等. 如果这一假设成立，便有可能直接使用GPS获取的地表位移数据辅助进行断层节面信息的判定，从而弥补其反演结果存在的不足.基于此，我们根据图2获取的GPS动态位移时间序列绘制了每个历元对应的位移分布等值线图，如图7所示. 篇幅限制，仅截取了06:12:00至06:12:19共计20个历元（时间t = 120～139 s）的结果进行展示（起始破裂时间为06:11:42）.第122个历元之后（06:12:02），同震位移开始被有效识别；大约5个历元后，同震位移的走向（长轴）开始趋于稳定，大致为北西/南东向；第126～129个历元之间，同震位移的峰值开始明显的向南东向移动，表明了地震能量的传播方向（断层走向），之后，同震位移的走向和分布均趋于稳定. 由此，可以基本判定，主节面（发震断层）的走向应为南东向，角度约为300°（等值线的长轴方向），这一结论与GCMT（287°）和W-相位（290°）的走向结果基本一致. 可见，GPS动态位移序列可以在一定程度上用于节面解参数的判定，并辅助实现主/辅节面的区分. 当然，主节面的走向判定完成后，其倾角和滑动角的估值仍然需要结合其他结果（如，地震学）予以确定.图7 基于GPS位移时间序列获取的同震位移等值线序列（06:12:00 —06:12:19）Fig. 7 Snapshots of the co-seismic displacement contour derived from GPS raw time series (06:12:00 — 06:12:19）4 结论以2015年4月25日尼泊尔Mw7.8级地震为例，讨论了近场实时GPS数据在独立进行地震发震特征、矩张量快速反演等方面的应用效力.结果表明，KKN4站点在地震发生后的第17秒被首个触发，共计7个站点的同震位移超过了设定阈值，被用于后续反演；近场GPS动态坐标时间序列完整地记录了站点在地震瞬间的位移波形，记录了因地震破裂引起的站点永久同震位移，且不存在饱和问题；GPS位移序列表明破裂的传播方向主要为自西向东南单侧传播，平均传播速度约为3.1 km/s，地震持续时间至少为75 s；矩心及矩震级的反演结果与GCMT及W-相位反演结果（矩心、矩震级等）符合性较好，体现出较高的可靠性和时效性；震源机制节面解的反演稳定性和准确性受站点空间分布的影响较为显著，除倾角外，独立使用近场GPS技术难以有效反演本次地震发震断层的节面特征；初步探讨了实时GPS位移场产品序列在节面判定中的潜在补充作用，表明其可在一定程度上辅助实现节面解参数及主/辅节面的判定，但这一思路仍需更丰富的震例数据和更全面的实验设计予以支持和验证.致谢：感谢UNAVCO提供的尼泊尔境内高频GPS数据.【相关文献】[1]AVOUAC J P， MENG L S， WEI S J， et al. Lower edge of locked Main Himalayan Thrust unzipped by the 2015 Gorkha earthquake[J]. Nature Geoscience， 2015，8(9)：45-58.[2]GRANDIN R，VALLÉE M， SATRIANO C， et al.Rupture process of the Mw=7.9 2015 Gorkha earthquake (Nepal)：insights into Himalayan megathrust segmentation[J].Geophysical Research Letters， 2016，42(20)： 8373-8382.[3]GALETZKA J， MELGAR D， GENRICH J F， et al.Slip pulse and resonance of the Kathmandu basin during the 2015 Gorkha earthquake，Nepal[J]. Science， 2015，349(6252)： 1091-1095.[4]刘刚，王琪，乔学军，等. 用连续GPS与远震体波联合反演2015年尼泊尔中部MS8.1地震破裂过程[J].地球物理学报，2015，58(11)：4287-4297.LIU Gang，WANG Qi，QIAO Xuejun，et al. The 25 April 2015 Nepal MS8.1 earthquake slip distribution from joint inversion of teleseismic，static and high-rate GPS data[J]. Chinese Journal Geophysics， 2015，58(11)：4287-4297.[5]单新建，张国宏，汪驰升，等. 基于InSAR和GPS观测数据的尼泊尔地震发震断层特征参数联合反演研究[J]. 地球物理学报，2015，58(11)： 4266-4276.SHAN Xinjian， ZHANG Guohong， WANG Chisheng， et al. Joint inversion for the spatial fault slip distributionof the 2015 Nepal MW7.9 earthquake based on InSAR and GPS observations[J]. Chinese Journal Geophysics， 2015， 58(11)： 4266-4276.[6]张勇，许力生，陈运泰. 2015年尼泊尔Mw7.9地震破裂过程：快速反演与初步联合反演[J]. 地球物理学报，2015，58(5)： 1804-1811.ZHANG Yong， XU Lisheng， CHEN Yuntai. Rupture process of the 2015 Nepal Mw7.9 earthquake：fast inversion and preliminaryjoint inversion[J]. Chinese Journal Geophysics， 2015， 58(5)： 1804-1811.[7]张旭，许力生. 利用视震源时间函数反演尼泊尔MS8.1地震破裂过程[J]. 地球物理学报，2015，58(6)：1881-1890.ZHANG Xu， XU Lisheng. Inversion of the apparent source time functions for the rupture process of the Nepal MS8.1 earthquake[J]. Chinese Journal Geophysics， 2015， 58(6)： 1881-1890.[8]刘志鹏，盖增喜. 利用多台阵压缩传感方法反演尼泊尔MW7.9地震破裂过程[J]. 地球物理学报，2015，58(6)： 1891-1899.LIU Zhipeng， GAI Zengxi. Rupturing process of the MW7.9 Nepal earthquake inverted by the multi-array compressive sensing method[J]. Chinese Journal Geophysics， 2015， 58(6)： 1891-1899.[9]DUPUTEL Z， RIVERA L， KANAMORI H， et al.Real-time W phase inversion during the 2011 off the Pacific coast of Tohoku earthquake[J]. Earth，Planets and Space， 2011，63(7)： 535-539.[10]BOCK Y， MELGAR D， BRENDAN W C， et al.Replay of the 2011 Mw9.0 great east Japan earthquake in simulated real-time mode with integrated 1 Hz GPS and 100 Hz accelerometer data for rapid source characterization，earthquake response spectra and tsunami prediction[J]. 2011 Great East Japan Earthquake，2012， 4(1)： 580-592.[11]SINGH S K，PÉREZ-CAMPOS X， IGLESIAS， et al.A method for rapid Estimation of moment magnitude for early tsunami warning based on coastal GPS networks[J]. Seism. Res. Lett.， 2012， 83(3)： 516-530.[12]MELGAR D. Seismogeodesy and rapid earthquake and tsunami source assessment[D].Dissertation：UC San Diego， 2014.[13]BOORE D M， JOYNER W B， FUMAL T E. Equations for estimating horizontal response spectra and peak acceleration from western North American earthquakes：a summary of recent work[J]. Seismological Research Letters， 1997， 68(1)： 128-153. [14]BOORE D M. Effect of baseline corrections on response spectra for two recordings of the 1999 Chi-Chi， Taiwan， earthquake[J]. U. S. Geol. Surv. Open-File Rept.， 1999，99(545)： 1-37.[15]MELGAR D， BOCK Y， CROWELL B W. Real-time centroid moment tensor determination for large earthquakes from local and regional displacementrecords[J].Geophysical Journal International， 2012， 188(2)： 703-718.[16]HERRING T A， KING R W， MCCLUSKY S C.GLOBK：global Kalman filter VLBI and GPS analysis program， release 10.4[M]. [S.l.]：Mass. Instit. of Technol， Cambridge，2010：5-20.[17]WANG R， MARTIN F L， ROTH F. Computation of deformation induced by earthquakes in a multi-layered elastic crust：FORTRAN programsEDGRN/EDCMP[J].Computers & Geosciences， 2003， 32(10)： 1817-1817.[18]LASKE G， MASTERS G， MA Z， et al. Update on CRUST1.0-A 1-degree global model of earth's crust[J].Egu General Assembly Conference， 2013， 15(4)： 52-89.[19]WRIGHT T J，HOULIÉ N， HILDYARD M， et al.Real-time，reliable magnitudes for large earthquakes from 1 Hz GPS precise point positioning：the 2011 Tohoku-Oki (Japan) earthquake[J]. Geophysical Research Letters， 2012， 39(12)： 12-102.。
